首页 > 科技 > 通信与网络 > 信号与信息处理

图像非聚焦模糊智能处理及应用

作译者：赵文达,王海鹏

出版时间：2024-07 千字数：346 版次：01-01 页数：216

开本：16开装帧： I S B N ：9787121483363

换版：

纸质书定价：￥89.0

库存:有

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

目   录
第1章  绪论	1
1.1  图像非聚焦模糊处理的目的和意义	1
1.2  图像非聚焦模糊处理中的相关基本概念	2
1.2.1  非聚焦模糊图像的定义及类别	2
1.2.2  图像非聚焦模糊智能处理中的深度学习技术	2
1.2.3  图像非聚焦模糊智能处理	4
1.3  图像非聚焦模糊处理的设计要求和评估指标	4
1.3.1  图像非聚焦模糊处理的设计要求	4
1.3.2  图像非聚焦模糊处理的评估指标	5
1.4  图像非聚焦模糊处理技术的研究历史及现状	7
1.4.1  非聚焦模糊检测	7
1.4.2  非聚焦模糊图像去模糊	8
1.5  本书的研究范围和概览	9
参考文献	11
第2章  多尺度特征学习的图像非聚焦模糊检测	14
2.1  引言	14
2.2  级联映射残差学习网络	15
2.2.1  方法背景	15
2.2.2  级联映射残差学习模型	16
2.2.3  模型训练	22
2.2.4  实验	23
2.3  图像尺度对称协作网络	30
2.3.1  方法背景	30
2.3.2  图像尺度对称协作模型	32
2.3.3  模型训练	36
2.3.4  实验	36
2.4  小结	42
参考文献	42
第3章  深度集成学习的图像非聚焦模糊检测	46
3.1  引言	46
3.2  深度交叉集成网络	46
3.2.1  方法背景	46
3.2.2  深度交叉集成网络模型	48
3.2.3  模型训练	52
3.2.4  实验	52
3.3  自适应集成网络	56
3.3.1  方法背景	56
3.3.2  自适应集成网络模型	58
3.3.3  模型训练	63
3.3.4  实验	64
3.4  小结	69
参考文献	70
第4章  强鲁棒图像的非聚焦模糊检测	74
4.1  引言	74
4.2  多层级蒸馏学习的全场景非聚焦模糊检测	74
4.2.1  方法背景	74
4.2.2  多层级蒸馏学习的全场景非聚焦模糊检测模型	77
4.2.3  模型训练	82
4.2.4  实验	83
4.3  基于MRFT的非聚焦模糊检测攻击	89
4.3.1  方法背景	89
4.3.2  基于MRFT的非聚焦模糊检测攻击模型	90
4.3.3  模型训练	94
4.3.4  实验	95
4.4  小结	102
参考文献	102
第5章  弱监督学习的图像非聚焦模糊检测	106
5.1  引言	106
5.2  基于RCN的弱监督焦点区域检测	107
5.2.1  方法背景	107
5.2.2  RCN结构	109
5.2.3  模型训练	112
5.2.4  实验	112
5.3  基于双对抗性鉴别器的自生成非聚焦模糊检测	120
5.3.1  方法背景	120
5.3.2  双对抗性鉴别器的网络结构	122
5.3.3  模型训练	124
5.3.4  实验结果与分析	124
5.4  小结	128
参考文献	128
第6章  弱监督非聚焦图像去模糊	132
6.1  引言	132
6.2  对抗促进学习的非聚焦去模糊	132
6.2.1  方法背景	132
6.2.2  对抗促进学习的非聚焦去模糊模型	134
6.2.3  模型训练	138
6.2.4  实验	138
6.3  非聚焦检测攻击的图像去模糊	142
6.3.1  方法背景	142
6.3.2  图像去模糊模型	144
6.3.3  模型训练	146
6.3.4  实验	148
6.4  小结	154
参考文献	155
第7章  多聚焦图像融合的非聚焦图像去模糊	159
7.1  引言	159
7.2  联合多级深度监督卷积神经网络	159
7.2.1  方法背景	159
7.2.2  多级深度监督网络模型	161
7.2.3  模型训练	164
7.2.4  实验	164
7.3  深度蒸馏多聚焦图像融合网络	172
7.3.1  方法背景	172
7.3.2  深度蒸馏多聚焦图像融合框架	174
7.3.3  模型训练	177
7.3.4  实验	178
7.4  小结	182
参考文献	183
第8章  图像非聚焦模糊智能处理的实际应用	187
8.1  引言	187
8.2  图像非聚焦模糊检测的应用	187
8.2.1  自动对焦系统	187
8.2.2  计算摄影“人像模式”	190
8.2.3  图片重定向	191
8.2.4  自动驾驶目标检测	193
8.2.5  多孔材料缺陷检测	194
8.3  非聚焦图像去模糊的应用	195
8.3.1  视频目标跟踪系统	195
8.3.2  虚拟现实技术	196
8.3.3  无人探测设备应急救援系统	198
8.3.4  医学内窥镜系统	199
8.3.5  光学显微镜系统	200
8.4  小结	201
参考文献	202
第9章  回顾、建议与展望	205
9.1  引言	205
9.2  研究成果回顾	205
9.2.1  非聚焦模糊检测的研究成果	205
9.2.2  非聚焦图像去模糊的研究成果	205
9.2.3  非聚焦图像智能处理技术的应用	206
9.3  问题与建议	206
9.3.1  训练数据集的制约问题	206
9.3.2  模型规模和计算开销的问题	207
9.3.3  网络模型的问题	207
9.4  研究方向展望	207
9.4.1  多任务结合的联合训练	207
9.4.2  通用性非聚焦模糊处理大模型	208
9.4.3  与前沿应用结合的特化研究	208
9.5  小结	2

前   言
非聚焦模糊是一种常见的图像退化现象，是由被摄物体处于成像系统的景深范围外所导致的。非聚焦模糊会导致图像中的目标清晰度差、细节难以辨认，进而降低图像信息在复杂环境中的使用价值。图像非聚焦模糊处理是非聚焦模糊现象的重要应对手段，主要分为非聚焦模糊检测和非聚焦去模糊。前者负责检测并分割出图像中的非聚焦模糊区域，后者则将含有非聚焦模糊的图像还原为清晰图像。近年来，随着深度学习技术的发展，图像非聚焦模糊智能处理受到了关注和研究，其性能更为优异，应用场景更为广泛。本书凝聚了作者多年在图像非聚焦模糊处理领域的研究成果，全面、系统地向读者介绍了该领域的发展情况及最新研究成果，旨在为读者提供一份深入、全面的图像非聚焦模糊智能处理学习参考。
全书共分为9章。第1章介绍图像非聚焦模糊处理的目的、意义、基本概念、评估指标和研究历史及现状，帮助读者树立对图像非聚焦模糊处理的基础认知。接下来的第2～5章，着重介绍图像非聚焦模糊检测的研究成果。第2章介绍多尺度特征学习的图像非聚焦模糊检测，研究多尺度特征的提取和学习，以进行更好的非聚焦模糊检测。第3章介绍深度集成学习的图像非聚焦模糊检测，将集成学习引入非聚焦模糊检测当中。第4章介绍强鲁棒图像的非聚焦模糊检测，以鲁棒性这一关键指标，设计非聚焦模糊检测方法。第5章介绍弱监督学习的图像非聚焦模糊检测，使用矩形框级标签代替像素级标签，进行非聚焦模糊检测模型的训练，以减小数据的标注压力。第6、7章着重介绍非聚焦图像去模糊。第6章介绍弱监督非聚焦图像去模糊，采用对抗促进学习和可逆攻击两种方式实现图像去模糊。第7章介绍多聚焦图像融合的非聚焦图像去模糊，该章研究并整合了不同焦点的多个模糊图像，以生成清晰的融合图像。第8章介绍图像非聚焦模糊智能处理的实际应用，提出了10种能够应用非聚焦图像智能处理技术的工程实践场景，并给出了相应案例及说明。第9章回顾和总结本书的所有内容，并讨论图像非聚焦模糊处理领域现存的问题及未来的发展趋势。
在撰写本书的过程中，大连理工大学研究生胡广、张骁、王文波、何睿坤、李云祥、贾蝶蝶、崔恒帅、张哲溥也参加了本书部分内容的作写。由于作者水平有限，书中内容难免存在纰漏和不足，恳请广大读者提出宝贵意见和建议。

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}